光量子混合计算：光量子比特

可视化演示

展示光量子比特编码方案、单光子源探测器技术与超导离子阱方案对比，交互切换理解光量子计算核心技术。

量子比特基础：会分身的快递员

在量子邮局里，光子是跑得最快的快递员。但这个快递员有个古怪习惯：没人盯着它时，它的状态描述卡片上同时写着“左”和“右”——它能同时保持两种投递状态。这就是量子力学里最著名的叠加态，也是量子比特与经典比特最根本的分水岭：经典比特要么是 0 要么是 1，而量子比特可以“既是 0 又是 1”，直到被测量才被迫“选边站”。

把这句话翻译成技术语言：一个量子比特是二维复向量空间里的态矢量。若把光子的水平偏振 \(|H\rangle\) 记作经典“0“，垂直偏振 \(|V\rangle\) 记作经典”1“，那么任意光量子比特状态都可以写成两者的复数叠加。系数 \(\alpha\)、\(\beta\) 不是普通的”比例“，而是刻画两种基底态”存在权重”的概率幅——这正是量子信息能够承载指数级表达空间的根源。

光子之所以能成为称职的“量子快递员”，因为它没有静质量、几乎不与周围环境“交朋友”——这意味着外界噪声很难扰动它的量子状态。相比电子、原子这类“容易分心”的粒子，光子天然适合远距离飞行传输，这也是光量子混合计算中用它“跑腿送信”的根本原因。

光子编码方案：快递员的三种暗号

快递员送信总要约定暗号。光量子比特最常用的暗号有三种。第一种是偏振编码：光子电场振动的方向就是“帽檐朝向”，水平振动记作 \(|H\rangle\) 表示 0，垂直振动记作 \(|V\rangle\) 表示 1。第二种是路径编码：让光子走两条不同的巷子，走上巷表示 0、走下巷表示 1，这相当于给光子装了一个“岔路选择器”。第三种是时间模式编码：把光子安排在两个不同的时间窗口到达，早班窗口记作 \(|early\rangle\) 表示 0，晚班窗口记作 \(|late\rangle\) 表示 1。

这三种暗号各有绝活。偏振编码最容易产生和操作，用一块波片就能让偏振方向旋转，因此在量子密钥分发（QKD）中被广泛采用；路径编码天然适配集成光路，在硅光芯片上画几条波导就能构成干涉仪；时间模式编码则对光纤传输最友好，因为光纤中的偏振会漂移，但光子到达的“迟早”不会变。更高级的做法是多自由度复用：让一个光子同时携带偏振、路径、时间三种暗号，就像同一个快递员既换了帽檐方向又换了路线还换了班次，一个光子就能编码更多比特信息，大大提升通信容量。

理解了三种暗号，就明白为什么光子是“多才多艺”的信使了。超导量子比特只能靠能级编码一种方式，而光子可以同时用三种自由度传递信息。这也为后续将讲到的“光子互联超导芯片”的混合计算架构埋下了伏笔——光子不仅能当比特，还能当“路由器”。

单光子源技术：一次只派一位信使

量子邮局有一条铁的纪律：一封信必须由一位信使单独送达。如果一次派出两个光子，接收方就无法确定信息来自哪个光子，量子密码学也会被窃听者钻空子。但现实中的普通光源（比如激光笔）一开就“呼啦”涌出成千上万个光子，根本没法保证“单光子”。

为了训练这种“一单一送”的快递员，科学家想了两条路线。第一条叫参量下转换（SPDC）：让一个高能量的泵浦光子穿过非线性晶体，它像一块被敲碎的镜子，分裂成两个低频的“双胞胎光子”。这两个光子天生纠缠、同时诞生，检测到其中一个就能确认另一个的存在——这相当于派出了“影子信使”。第二条路线是量子点光源：在半导体材料中做一个纳米级的“量子笼子”，每次只放进一个电子空穴对，复合时恰好辐射出一个光子，像一台“单发步枪”。

衡量单光子源好坏的关键指标是二阶关联函数 \(g^{(2)}(0)\)。它统计的是“两个探测器在同一时刻都响应的概率”与“平均光子数平方”的比值。

回到比喻：\(g^{(2)}(0) \to 0\) 就是邮局经理最满意的画面——每位信使都独自出门，从不扎堆。目前参量下转换光源已经能把 \(g^{(2)}(0)\) 做到 0.01 以下，但它的产生概率低、需要强泵浦；量子点光源则更紧凑、更适合芯片集成，是未来可扩展光量子计算的重要候选。

光子探测技术：快递签收柜

光子快递员飞了再快，也要有灵敏的“签收柜”来登记它是否到达。但光子本身不带电荷、几乎没有质量，想抓住它并不容易。传统光电二极管需要数百个光子才能产生可读信号，而量子实验常常一次只来一个光子——这就要求探测技术达到“一个光子就能触发警报”的灵敏度。

目前最主流的签收柜有两种。第一种叫雪崩光电二极管（APD）：给二极管加上接近击穿电压的反向偏压，单个光子入射产生一个光生电子，这个电子在强电场中加速撞击出更多电子，像雪崩一样瞬间形成可检测的大电流脉冲。它的优点是体积小、室温可用，缺点是恢复需要时间（死时间），无法高速连续计数。第二种叫超导纳米线探测器（SNSPD）：把一根极细的超导纳米线冷却到临界温度以下，单个光子打上来会局部破坏超导态，产生一个电阻脉冲。它的探测效率高、时间抖动小，但必须工作在极低温环境——这里要特别注意：光量子比特本身可以室温运行，但部分探测器仍然“怕热”。

更高级的签收柜还能分辨光子数：不仅知道“有光子到了”，还能数出“到了几个”。这种光子数分辨能力对量子纠错和量子中继至关重要。所有探测器的核心指标是探测效率 \(\eta\)。

一个容易被忽略的细节是暗计数：签收柜在没有光子时也会偶尔误报（热噪声触发）。暗计数高的探测器会让量子密钥分发出现误码，因此在真实系统中，工程师会想尽办法给探测器“降温降噪”，就像给签收柜贴上“静音贴纸”。

核心优势：不怕风吹雨打的光子

为什么量子邮局偏偏选中光子当信使？因为它是所有量子比特候选者中最“皮实”的一个。超导量子比特必须待在接近绝对零度的“冰箱”里（约 15 毫开尔文），离子阱需要极复杂的激光冷却系统，而光子快递员在室温下就能正常上班——它几乎不与周围环境发生强相互作用，外界的热噪声、电磁干扰很难撼动它的量子状态。

这种“皮实”直接体现在退相干时间 \(T_2\) 上。退相干就是量子信息被环境噪声抹掉的过程，好比信使在送件路上被风雨吹乱了帽檐，导致收货人读错暗号。光子的退相干时间在众多物理体系中名列前茅，理论上可以做到毫秒级甚至更长，而超导量子比特的相干时间通常在几十到几百微秒。更关键的是，光子在大气、光纤中飞行时，偏振和时间信息可以保持得很好，这让它成为唯一一种“生来就会跑长途”的量子比特。

但别高兴太早：退相干时间长只代表“量子态不容易被环境扰动”，并不代表光子不会丢失。光纤中的吸收损耗会让一些光子彻底消失，偏振模式色散会让帽檐方向发生微小偏移。因此，光量子计算仍然需要纠错和强大的探测系统来保驾护航——皮实是优势，但不是免死金牌。

方案对比与展望：不同的快递团队

量子邮局不止招了光子这一支快递队。超导量子比特像一支装备精良的“重型车队”：逻辑门操作又快又准，两比特门保真度已经超过 99%，最适合做本地计算核心；但车队极其娇贵，必须住在 15 毫开尔文的低温冰箱里，队与队之间的连接只能靠微波线缆，扩展规模时“接线难”就成了瓶颈。离子阱量子比特则像一支“精密特工队”：用激光把单个离子囚禁在电磁场中，相干时间极长、操作精度极高；但离子移动和激光冷却的速度很慢，逻辑门速率通常在微秒到毫秒量级，擅长精度但拼不了速度。

而光子快递队的定位截然不同：它赢在“跑得快、跑得远、家里不费电（室温）”，但输在“两个光子彼此不打招呼”——光子与光子之间几乎不发生相互作用，这意味着直接做两比特逻辑门非常困难。于是科学家们提出了光量子混合计算的路线图：让光子负责最擅长的量子态传输、量子互联和远程纠缠分发，把光量子比特“送上门”的量子信息，转交给超导或离子阱芯片去执行复杂的逻辑运算。这样，每支队伍都做自己最擅长的活。

实现这种“混合分工”的成色如何？可以由保真度 \(F\) 来打分——它衡量实际得到的量子态与目标量子态有多接近。

展望未来，光量子计算最大的挑战是可扩展性：单光子源的亮度还不够高、探测器的效率还不够完美、光子之间的确定性纠缠还未完全解决。但反过来看，光量子比特在量子通信、量子中继、量子随机数生成等领域已经率先落地。混合计算的开局不会是一支队伍碾压全场，而是像一支协同作战的联勤部队——光子铺路，超导与离子阱攻坚，经典计算机调度收尾。

AI 应用场景

Python 演示

import numpy as np  class PhotonQubit:    def __init__(self, alpha, beta):        self.state = np.array([alpha, beta], dtype=complex)        self.state = self.state / np.linalg.norm(self.state)     def apply_hwp(self, theta):        """半波片使偏振方向旋转 2 倍 theta，相当于旋转帽檐角度"""        rot = np.array([            [np.cos(2 * theta), -np.sin(2 * theta)],            [np.sin(2 * theta), np.cos(2 * theta)]        ])        self.state = rot @ self.state     def measure_hv(self):        """在水平/垂直基下测量并坍缩，返回 'H' 或 'V'"""        p_h = abs(self.state[0]) ** 2        result = 'H' if np.random.random() < p_h else 'V'        self.state = np.array([1, 0]) if result == 'H' else np.array([0, 1])        return result     def __repr__(self):        return 'PhotonQubit({:.3f}, {:.3f})'.format(self.state[0], self.state[1])  def run_experiment(trials=10000):    """重复制备叠加态并统计测量结果"""    counts = {'H': 0, 'V': 0}    for _ in range(trials):        q = PhotonQubit(np.sqrt(0.75), 0.5)        counts[q.measure_hv()] += 1    return counts  def run_experiment_with_waveplate(theta, trials=10000):    """先旋转偏振态再进行测量统计"""    counts = {'H': 0, 'V': 0}    for _ in range(trials):        q = PhotonQubit(np.sqrt(0.75), 0.5)        q.apply_hwp(theta)        counts[q.measure_hv()] += 1    return counts  if __name__ == '__main__':    print('直接测量统计:', run_experiment())    print('旋转后统计:', run_experiment_with_waveplate(np.pi / 8))

1. self.state = self.state / np.linalg.norm(self.state)将态矢量归一化，保证概率幅平方和为 1，这是量子态合法的前提。
2. rot @ self.state用半波片的旋转矩阵作用在态向量上，等效于改变光子的偏振方向。
3. p_h = abs(self.state[0]) ** 2玻恩规则的核心：测量到水平偏振的概率等于水平分量绝对值的平方。
4. result = 'H' if np.random.random() < p_h else 'V'按概率随机坍缩到某个基态，模拟单次测量的随机性。
5. counts[q.measure_hv()] += 1大量重复实验后统计频率，最终会趋近理论概率。

常见误区

面试题